知识卡片
过拟合与欠拟合
欠拟合是模型尚未充分捕捉任务规律,训练表现也可能较差;过拟合则表现为训练数据上很好、未见数据上较差。模型容量、训练方式、数据和正则化都可能影响两者。增加数据不必然修复容量不足造成的欠拟合。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 过拟合与欠拟合 · 查看原书依据
如果系统在训练数据中学习得很多且表现很好
参考来源
- 位置:《深度学习:从基础到实践(上下册)》第9章《过拟合与欠拟合》(来源项目 `extracted/深度学习:从基础到实践(上下册)/_epub-src/text/part0016_split_002.html`)
- 结论依据:原文解释训练与验证表现及控制方法;欠拟合和正则化效果的限制避免把原书示例过度推广。
- 原始内容:如果系统在训练数据中学习得很多且表现很好,但在面对新数据时表现得很糟糕,我们就可以说系统是过拟合的;如果系统在训练数据中并未学习充分,且在新数据上表现糟糕,我们就可以说系统是欠拟合的。接下来我们依次讨论这两种现象。 9.